公开(公告)号：CN117523401A

公开(公告)日：2024-02-06

申请号：CN202311596046.X

申请日：2023-11-28

Applicant: 福州大学

Inventor： 汪小钦 ,  杨志伟 ,  林海涵 ,  李蒙蒙

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0985 ,  G06N3/048

Abstract: 本发明涉及一种多模态遥感数据变化检测方法。本发明通过构建多模态特征交互模块，让模型自动学习不同模态影像之间的信息。本发明面向光学和SAR（Synthetic Aperture Radar）两种模态遥感数据，利用深度学习方法，采用伪孪生卷积神经网络CNN分别提取不同模态影像的深层特征，建立跨模态特征交互模块、变化信息增强模块和多尺度融合解码器，构建了一种针对多模态遥感影像的变化检测模型，实现两期不同模态影像变化区域的自动检测，解决了在特殊环境下难以获取不同时期的同类型影像问题。

公开(公告)号：CN116486255A

公开(公告)日：2023-07-25

申请号：CN202310253842.7

申请日：2023-03-16

Applicant: 福州大学

Inventor： 汪小钦 ,  林海涵 ,  李蒙蒙

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明涉及一种自注意力特征融合的高分辨率遥感影像语义变化检测方法。该方法结合深度学习技术构建一种针对高分辨率遥感影像土地利用/土地覆盖（LULC）的地物语义变化检测模型。模型对已完成预处理和裁剪的高分辨率遥感影像采用卷积神经网络CNN和Transformer组合编码层提取双时相高分辨率影像的深层特征，配合自注意力特征融合模块和多任务反卷积解码层进行LULC的变化区域检测和变化区域内前后时相的地物类型分类。本发明结合多任务学习思想，将变化区域检测和变化类型识别集成为一体，实现自动化的双时相高分辨率影像LULC语义变化检测。

公开(公告)号：CN116486255B

公开(公告)日：2025-05-16

申请号：CN202310253842.7

申请日：2023-03-16

Applicant: 福州大学

Inventor： 汪小钦 ,  林海涵 ,  李蒙蒙

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明涉及一种自注意力特征融合的高分辨率遥感影像语义变化检测方法。该方法结合深度学习技术构建一种针对高分辨率遥感影像土地利用/土地覆盖（LULC）的地物语义变化检测模型。模型对已完成预处理和裁剪的高分辨率遥感影像采用卷积神经网络CNN和Transformer组合编码层提取双时相高分辨率影像的深层特征，配合自注意力特征融合模块和多任务反卷积解码层进行LULC的变化区域检测和变化区域内前后时相的地物类型分类。本发明结合多任务学习思想，将变化区域检测和变化类型识别集成为一体，实现自动化的双时相高分辨率影像LULC语义变化检测。